កម្មវិធីលុបសំឡេងរំខានផ្ទៃខាងក្រោយ ឥតគិតថ្លៃ

វាដំណើរការដោយរបៀបណា

ម៉ូដសំឡេង (AI) លំនាំដើមដំណើរការ DeepFilterNet3 ដែលជាបណ្តាញណឺរ៉ូនប្រភពបើកចំហសម្រាប់កែលម្អការនិយាយ (MIT/Apache-2.0) លើឧបករណ៍របស់អ្នកផ្ទាល់តាមរយៈ ONNX Runtime ក្នុង worker ផ្ទៃខាងក្រោយ។ ម៉ូដែល 8 MB និងម៉ាស៊ីន AI 14 MB របស់វាត្រូវបានទាញយកតែម្តងពីគេហទំព័រនេះ ហើយរក្សាទុកក្នុងឃ្លាំងសម្ងាត់។ ការថតរបស់អ្នកមិនដែលត្រូវបានផ្ទុកឡើងទេ។ ffmpeg.wasm (ប្រហែល 31 MB) ដែលផ្តល់ពីគេហទំព័រនេះដែរ និងរក្សាទុកក្នុងឃ្លាំងសម្ងាត់ អានឯកសាររបស់អ្នក ហើយសរសេរលទ្ធផល។

1. 1
   ជ្រើសរើសប្រភេទសំឡេងរំខាន

   សំឡេងមនុស្ស (AI) គឺសម្រាប់សំឡេងនិយាយចំកណ្តាលសំឡេងចរាចរណ៍ ខ្យល់ ការជជែក កង្ហារ ឬសំឡេងហឺន៖ បណ្តាញនេះប៉ាន់ស្មាន 100 ដងក្នុងមួយវិនាទី ថាតើកម្រិតប្រេកង់នីមួយៗជាសំឡេងនិយាយប៉ុន្មាន និងចម្រាញ់ប្រេកង់ទាបចេញដោយប្រើតម្រងឆ្លាតវៃ ដូច្នេះវាអាចតាមចាប់សំឡេងនិយាយទោះបីជាសភាពបន្ទប់ប្រែប្រួលក៏ដោយ។ វានឹងចាត់ទុកតន្ត្រីជាសំឡេងរំខាន។ រីឯ ស៊ីស្ស និងហឺន ប្រើប្រាស់ afftdn ដែលជាតម្រងកាត់សំឡេងរំខាន FFT ដោយដកកម្រិតសំឡេងរំខានថេរចេញ និងមានសុវត្ថិភាពចំពោះតន្ត្រី។ ចំណែក រៀនសំឡេងរំខាន នឹងបង្រៀនតម្រងនោះត្រង់ចន្លោះណាដែលមានតែសំឡេងរំខានសុទ្ធ។
2. 2
   កម្លាំង កំណត់កម្រិតសំឡេងផ្ទៃខាងក្រោយដែលត្រូវទុក

   សម្រាប់ សំឡេងមនុស្ស (AI) កម្លាំង គឺជាកម្រិតកាត់បន្ថយសំឡេង៖ នៅកម្រិត 100% ម៉ូឌែលនឹងលុបសំឡេងរំខានទាំងអស់ដែលវាប្រទះឃើញ, នៅកម្រិត មធ្យម (80%) វានឹងបន្ថយសំឡេងផ្ទៃខាងក្រោយយ៉ាងច្រើនបំផុតត្រឹម 24 dB, នៅកម្រិត ស្រាល (50%) ត្រឹម 12 dB ដើម្បីឱ្យនៅសល់បរិយាកាសបន្ទប់ខ្លះ និងធ្វើឱ្យសំឡេងនិយាយនៅតែធម្មជាតិ។ សម្រាប់ ស៊ីស្ស និងហឺន វាជួយកំណត់កម្រិតកាត់បន្ថយសំឡេងរំខានរបស់តម្រង និងកម្រិតសំឡេងរំខានដែលបានប៉ាន់ស្មាន។
3. 3
   ការស្តាប់សាកល្បង A/B រយៈពេល 15 វិនាទី ដំណើរការតាមវិធីសាស្ត្រដូចគ្នាទាំងស្រុង

   ចុច ស្តាប់សាកល្បង នោះសំឡេងថតរយៈពេល 15 វិនាទីរបស់អ្នកនឹងឆ្លងកាត់ម៉ូឌែល ឬតម្រងដូចគ្នាបេះបិទទៅនឹងឯកសារពេញលេញ រួចសំឡេងដែលសម្អាតរួច និងសំឡេងដើមនឹងចាក់តាមរយៈ AudioContext តែមួយ ដើម្បីឱ្យអ្នកអាចប្តូរចុះឡើងដោយមិនបាត់ចង្វាក់ស្ដាប់ឡើយ។ នៅពេលបើក ធ្វើឲ្យស្មើកម្រិតសំឡេងដើម សំឡេងដែលសម្អាតរួចនឹងត្រូវបានកែសម្រួលឱ្យស្មើកម្រិតសំឡេងដើម ដើម្បីឱ្យអ្នកងាយស្រួលប្រៀបធៀបសំឡេងរំខាន ជាជាងការប្រៀបធៀបកម្រិតឮខ្លាំងឬខ្សោយ។
4. 4
   ឯកសារវែងៗដំណើរការជាកង់ៗ ជាមួយប៊ូតុង បោះបង់ ដែលបញ្ឈប់ភ្លាមៗពិតប្រាកដ

   ffmpeg ពន្លាឯកសារតែម្តងទៅជាកង់ៗប្រវែង 30 វិនាទីក្នុងកម្រិត 48 kHz។ កង់នីមួយៗឆ្លងកាត់ម៉ូឌែលក្នុងដំណើរការផ្ទៃខាងក្រោយ ហើយត្រូវបានលុបចេញពីអង្គចងចាំភ្លាមៗបន្ទាប់ពីអានរួច ដូច្នេះអង្គចងចាំមិនឡើងខ្លាំង ហើយរបារវឌ្ឍនភាពដំណើរការទៅមុខរលូន។ បន្ទាប់មក សំឡេងដែលសម្អាតរួចនឹងត្រូវបានរក្សាទុកជា WAV ឬ MP3 តាមកម្រិត sample rate ដើមនៃសំឡេងថតរបស់អ្នក ឬបញ្ចូលទៅក្រោមរូបភាពដើមនៃវីដេអូវិញដោយមិនប៉ះពាល់រូបភាពឡើយ។ ប៊ូតុង បោះបង់ នឹងបញ្ឈប់ដំណើរការផ្ទៃខាងក្រោយទាំងពីរភ្លាមៗ។

ឧបករណ៍ពាក់ព័ន្ធ